## <p align='center'>DataShine"丁香智学": 专注于数据分析、量化研究与深度学习的培训机构<br> </p>
## 一、课程信息<br>
### 课程名：《Python统计与数据分析实战》<br>
### 课程介绍
本课程结合Python进行统计与数据分析的原理讲解与实战，涵盖了大部分统计&数据分析模型，特别是当前比较主流的算法：参数估计、假设检验、线性回归、广义线性回归、非线性模型、Lasso、岭回归、广义可加模型、正交多项式模型、回归样条等；单因素和双因素方差分析；机器学习经常用到的主成分分析、因子分析、典型相关分析、聚类分析等；各种非参数统计模型，包括非参数统计推断、尺度推断、位置推断、列联表数据和属性数据分析、对数线性模型和分位回归模型、非参数核密度估计、非参数回归等。
### 课程目录
第1章 数据描述性分析
第2章 参数估计
第3章 假设检验
第4章 回归分析
第5章 方差分析
第6章 判别分析与聚类分析
第7章 主成分分析、因子分析与典型相关分析
第8章 非参数统计<br>
注：详细内容见文末的思维导图。
### 课程地址<br>
（1）CSDN（有免费体验课程）：https://edu.csdn.net/course/detail/35174 <br>
（2）腾讯课堂：https://ke.qq.com/course/3707162?tuin=f6d1673 <br>
### 适用人群：<br>
（1）准备毕业后从事统计与数据分析行业的大学毕业生或准毕业生。尤其是需要转向从事计算机编程、数据分析和机器学习方面工作的毕业生，或者需要提升技能以寻找高薪酬工作的准毕业生等。<br>
（2）公司或企事业单位内部有数据分析和统计分析需求的从业人员。<br>
（3）大学和科研院所的硕、博士研究生、青年教师等，特别是在管理学和人文社会科学等专业有量化研究需求的研究生和教师等<br>
（4）需要转行从事数据分析方面工作，或有技能提升需求的初入职场者。<br>
### 学员收益：<br>
（1）全程保姆式教学，学习路径合理：问题导入-原理讲解-代码讲解-归纳总结，让学员知其然更要知其所以然，牢固掌握各个知识点。<br>
（2）数据分析中的各种统计模型、方法与算法。从初级到中、高级，涵盖绝大部分统计模型预算法。<br>
（3）掌握各种非参数统计模型的原理以及编程实现。<br>
（4）熟练掌握Numpy、Scipy、Pandas以及Patsy等数据分析和科学计算包的常用方法。<br>
（5）掌握StatsModels统计包的基本用法。<br>
（6）掌握数据分析和统计建模的模型与算法，是拿到高薪Offer的最佳途径，更是以后提薪提职的最大保障。<br>
## 二、"丁香智学"微信二维码与技术交流QQ群<br>
微信号：DataShine <br>
<img src='https://github.com/jinhualee/datashine/blob/master/Datashine.jpg' alt='微信二维码'/>
<br>
QQ群名：丁香智学 <br>
QQ群号：163549660<br>
微信号：DataShine
## 三、"丁香智学"创办人简介<br>
“丁香智学”创办人李进华博士，本、硕、博毕业于武汉大学信息管理学院，2005年进入211大学任教，2012年受聘为教授。长期从事IT相关课程教学、科研和系统开发。是国内最早从事Java开发的程序员之一和Oracle数据库DBA之一，具备丰富的教育培训与商业应用系统开发经验。<br>
曾带领团队开发《葛洲坝集团三峡工程指挥中心施工管理系统》、《湖北省国有企事业单位资产管理系统》、《湖北省农业厅畜牧业管理系统》等商业应用系统。<br>
在大学任职期间获得教育部和国家社科基金项目各一项。专著、教材和译著各一部，发表学术论文30余篇。主讲《管理信息系统》、《信息系统分析分析与设计》、《数据结构与算法》、《信息分析》、《信息检索技术》等课程。<br>
EMAIL：jinhualee@126.com <br>
## 附：课程思维导图
<img src='https://github.com/jinhualee/datashine/blob/master/content.jpg' alt='课程内容思维导图'/>
datashine.zip （47个子文件） 
datashine-master 
StatsAnalysis_6. 判别分析与聚类分析R代码.ipynb 169KB StatsAnalysis_4. 回归分析（2）.ipynb 905KB
content.jpg 871KB data pig_data 
gpigs5.txt 308B gpigscontrol.txt 317B gpigs2.txt 328B gpigs4.txt 330B gpigs3.txt 349B gpigs1.txt 297B
Damage.xls 24KB mcycle.csv 1KB fish.txt 6KB myopia.txt 170B weight_bp.XLS 5KB fish.csv 5KB drugs.txt 116B engel.csv 6KB wage.csv 453KB applicant.csv 2KB faith.csv 2KB nerve.txt 4KB iris.csv 4KB Arthritis.csv 2KB Credit.csv 22KB saheart.csv 22KB arthritis.txt 3KB 0. 课程导学.ipynb 4.07MB StatsAnalysis_8. 非参数统计（4）.ipynb 1.22MB StatsAnalysis_4. 回归分析R代码.ipynb 104KB StatsAnalysis_6. 判别分析与聚类分析.ipynb 987KB 岭回归和Lasso算法Python实现.ipynb 449KB StatsAnalysis_7. 主成分分析、因子分析、典型相关分析.ipynb 1.38MB StatsAnalysis_8. 非参数统计（2）.ipynb 800KB StatsAnalysis_3. 假设检验.ipynb 449KB StatsAnalysis_7. 主成分分析、典型相关分析R代码.ipynb 42KB StatsAnalysis_2. 参数估计.ipynb 290KB statsmodels_ols.ipynb 701KB StatsAnalysis_4. 回归分析（1）.ipynb 593KB StatsAnalysis_8. 非参数统计（3）.ipynb 577KB StatsAnalysis_4. 回归分析（3）.ipynb 1.29MB StatsAnalysis_8. 非参数统计（1）.ipynb 1.04MB README.md 4KB StatsAnalysis_1. 数据描述性分析.ipynb 1.1MB StatsAnalysis_8. 非参数统计R代码.ipynb 5KB 对数线性模型.ipynb 284KB StatsAnalysis_5. 方差分析.ipynb 700KB Datashine.jpg 10KB资源评论
